Martin-Luther-Universität Halle-Wittenberg

Universitätsklinikum Halle

Orientierungspraktikum

Vergleich von spm8

und spm12 anhand

1,5- und 3 T-fMRT-Datensätze

Autor:

Heiner Baierheiner.baier@student.uni-halle.de

Betreuer:

Dr. Manfred Knörgen

durchgeführt vom 19. Januar bis 26. Februar 2015

Inhaltsverzeichnis

1 Einleitung 1

2 Grundlagen 22.1 Kernspin und kernmagnetische Resonanz . . . . . . . . . . . . . . . . . . . . . . 22.2 Magnetresonanztomographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2.1 EPI-Sequenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.3 Funktionelle Magnetresonanztomographie . . . . . . . . . . . . . . . . . . . . . 102.4 Anatomische Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4.1 Räumliche Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.4.2 Brodmann-Areale und Motorkortex . . . . . . . . . . . . . . . . . . . . . 12

2.5 Analyse der fMRT-Datensätze . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.5.1 Slice timing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.5.2 Realign . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152.5.3 Segment (optional) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172.5.4 Coregister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.5.5 Normalise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192.5.6 Smooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192.5.7 Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3 Durchführung 213.1 Parameter am 1,5 T-Gerät . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213.2 Parameter am 3 T-Gerät . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4 Auswertung 234.1 Einlesen der Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234.2 Nullpunktkorrektur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244.3 Slice timing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.4 Realign . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.5 Segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274.6 Coregister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.7 Normalise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4.7.1 Normalisierung mittels Templates . . . . . . . . . . . . . . . . . . . . . . 304.7.2 Normalisierung mittels Segmentierung . . . . . . . . . . . . . . . . . . . 30

4.8 Smooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334.9 Specify 1st-level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344.10 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354.11 Ergebnisse der 1,5 T-Aufnahmen . . . . . . . . . . . . . . . . . . . . . . . . . . 394.12 Ergebnisse der 3 T-Aufnahmen . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5 Zusammenfassung 42

6 Ausblick 42

7 Literatur 43

1 Einleitung

Die Magnetresonanztomographie (MRT) hat trotz ihrer hohen Kosten und langen Untersu-chungszeiten einen festen Platz in der Diagnostik, da sie neben der Aufnahme von Bildern mitgutem Weichteilkontrast auch die Funktionsuntersuchung von Gewebe ermöglicht � nichtinvasivund ohne ionisierende Strahlung.Eine Methode ist die funktionelle Magnetresonanztomographie (kurz: fMRT), bei der Varia-

tionen der Blutoxygenierung im Gehirn und somit indirekt Hirnaktivitäten festgestellt werdenkönnen. Das Prinzip der fMRT beruht auf dem sogenannten BOLD-E�ekt (Blood Oxygenati-

on Level Dependency). Oxygeniertes und desoxygeniertes Blut besitzen unterschiedliche ma-gnetische Eigenschaften (oxygeniertes Hämoglobin besitzt eine geringere Suszeptibilität) undsauersto�armes Blut führt zu verstärkten Magnetfeldinhomogenitäten. Dieser E�ekt kann dazugenutzt werden, um temporäre Unterschiede in der Sauersto�versorgung im Gehirn auszuma-chen.Um dies vernünftig feststellen zu können, sind schnelle T ∗

2 -gewichtete Pulssequenzen nötig,damit eine zeitliche Au�ösung möglich ist. Dafür �nden EPI-Sequenzen allgemein Anwendung.Zudem ist eine gewisse Bildbearbeitung nötig, da den Bildschichten den exakten Aufnahmezeit-punkten zugeordnet werden und Patientenbewegungen etc. korrigiert werden müssen. Anschlie-ÿend erfolgt noch eine statistische Auswertung jedes einzelnen Pixels, um zu bestimmen, ob dieSchwankungen durch den entsprechenden BOLD-E�ekt zustande kommen oder anders begrün-det sind. Dabei ist zu beachten, dass die gesuchten Intensitätsvariationen eine vergleichbareGröÿe wie sonstiges Rauschen haben.Für die Bildbearbeitung und -auswertung gibt es unterschiedliche Software. In der diagnos-

tischen Radiologie des Universitätsklinikums Halle (Saale) wurde bisher das im Jahre 2009 er-schienene, freizugängliche Programm spm8 (Statistical Parametric Mapping) verwendet. spm8wurde vomWellcome Department of Imaging Neuroscience vom University College London mitHilfe von MATLAB entwickelt. Im Dezember 2014 erschien die Nachfolgeversion spm12.In diesem Orientierungspraktikum werden die Software spm8 und spm12 anhand fMRT-

Datensätze verglichen. Für die fMRT-Messungen wurde ein einfaches Blockschema mit Fingertippen gewählt. Fertige Datensätze von einem 1,5 T-Gerät wurden gestellt. Vergleichbare Mes-sungen mit einem 3 T-Gerät wurden im Zuge des Praktikums durchgeführt.

1

2 Grundlagen

2.1 Kernspin und kernmagnetische Resonanz

Atomkerne mit einer ungeraden Anzahl von Protonen und/oder Neutronen besitzen einen Ei-gendrehimpuls (Kernspin). Der Drehimpuls I ist quantisiert und die diskreten Werte ergebensich durch:

|I| =(h

2π

)√I(I + 1) = ~

√I(I + 1) (1)

I ist die Spinquantenzahl, welche lediglich ein Vielfaches von 1/2 annehmen kann, ~ das redu-zierte Plancksche Wirkungsquantum. Um I vollständig beschreiben zu können, benötigt manneben dem Betrag noch die Richtung, diese wird durch die zweite Quantenzahl m beschrieben.Für die z-Komponente des Drehimpulses ergibt sich:

Iz = ~m (2)

m kann 2I + 1 Werte von

m = −I,−I + 1, . . . , I − 1, I (3)

annehmen. Für Protonen beträgt I = 1/2. Es gibt somit für m die Werte m = −1/2, 1/2.Der Drehimpuls hängt über das gyromagnetische Verhältnis (von jeweiligem Teilchen ab-

ghängig) γ direkt mit einem magnetischen Moment µ zusammen:

µ = γI (4)

Durch die Quantisierung des Drehimpulses ist in gleicher Art auch das magnetische Momentquantisiert und es ergibt sich

µz = γIz = γ~m (5)

für die z-Komponente des magnetischen Moments.Ohne externem magnetischen Feld B0 ist die z-Richtung des Systems nicht vorgegeben und

die Zustände sind entartet. Ein äuÿeres magnetisches Feld (B0 = (0, 0, B0)) de�niert dagegendie z-Richtung. Ein Zustand besitzt eine potentielle Energie E nach

E = −µ ·B0 = −µzB0 = −γ~mB0. (6)

Für ein System mit I = 1/2 gibt es zwei Energiezustände (m = −1/2, 1/2), die sich mitsteigendem ext. Magnetfeld, wie in Abbildung 1 dargestellt, aufspalten.

Abbildung 1: Links ist das Energieniveau ohne externem Magnetfeld und rechts die Energieaufspal-tung mit externem Magnetfeld [1]. Die Energiedi�erenz zwischen den Niveaus beträgt∆E = γ~B0.

2

Die Energiedi�erenz zwischen den Niveaus beträgt

∆E = γ~B0. (7)

Der E�ekt der Energieauspaltung ist der sogenannte Kern-Zeemann-E�ekt. Der Zustand m =1/2 mit einer parallelen µz-Ausrichtung zum B0-Feld ist der energieärmere Zustand und wirdauch als α-Zustand bezeichnet, derjenige Zustand mit m = −1/2 und einer antiparallelenµz-Ausrichtung ist der energiereichere β-Zustand. Im Gleichgewichtszustand sind die x- undy-Komponente des magnetischen Moments nicht de�niert. Die Zustände lassen sich wie inAbbildung 2 vorstellen.

Abbildung 2: Rechts: paralleler α-Zustand. Links: antiparalleler β-Zustand [2].

Durch ein senkrecht zum Hauptmagnetfeld oszillierendes magnetisches Feld B1, das sich inResonanz mit dem �Kernmagneten� be�ndet und für dessen Frequenz � auch Larmorfrequenzω0 genannt �

∆E = ~ω0 (8)

gilt, lassen sich Übergänge zwischen den beiden Zuständen induzieren. Aus Gleichung (7) undGleichung (8) ergibt sich für die Larmorfrequenz:

ω0 = γB0 (9)

Im Gleichgewichtszustand be�nden sich bei Raumtemperatur geringfügig mehr Spins im α-Zustand als im β-Zustand. Das Verhältnis der Zustände kann über die Boltmann-Verteilung

Nα

Nβ= exp

(− ∆E

kBT

)(10)

beschrieben werden. Ni bezeichnet die Anzahl an Spins im jeweiligen Zustand, kB ist dieBoltzmann-Konstante und T die Raumtemperatur in Kelvin. Durch die Di�erenz in den Zu-ständen kommt es zu einer makroskopischen Magnetisierung nach

M =∑

µi (11)

in z-Richtung. Diese kann messtechnisch nicht erfasst werden. Für die Messung wird eine Ma-gnetisierung in der xy-Ebene benötigt. Quantenmechanisch muss sich ein Spin nicht in einem

3

Zustand be�nden, sondern kann einen �Mischzustand� annehmen. Der Zustand in x-Richtungergibt sich z.B. als

|+ x >= 1/√

2|α > +1/√

2|β > .

Da die quantenmechanische Betrachtung recht komplex und unübersichtlich ist, wird die se-miklassische Betrachtungsweise bevorzugt. Dabei besteht das System wie in Abbildung 3 ausvielen magnetischen Dipolmomenten, die um das externe B0-Feld mit der Winkelgeschwindig-keit ω0 präzedieren.

Abbildung 3: Spinverteilung bei externem Magnetfeld im Gleichgewichtszustand in semiklassischerBetrachtung. Durch die Di�erenz zwischen α- und β-Zustände ergibt sich eine makro-skopische Magnetisierung [3].

Die Präzession kommt durch ein Drehmoment

dµdt

= γµ×B0 (12)

zustande, die durch das externe Magnetfeld auf den Dipol wirkt. Wegen der konstanten Prä-zession der Dipolmomente unter einem äuÿeren Magnetfeld (im LKS) verwendet man überli-cherweise ein rotierendes Koordinatensystem. Im rotierenden Koordinatensystem wirkt auf diemakroskopische Magnetisierung ein Drehmoment von

∂M

∂t= γM ×

(B0 +

ω

γ

)︸ ︷︷ ︸

=Be�

(13)

ω ist die Winkelgeschwindigkeit des rotierenden Systems, Be� das e�ektive magnetische Feld,das sich im RKS bemerkbar macht. Für

ω = −γB0 = ω0 (Larmorbeziehung) (14)

ist das e�ektive magn. Feld 0 und somit ist die Magnetisierung im RKS stationär. Weicht ω0 vonω ab (o� resonance), macht sich das e�ektive magn. Feld bemerkbar und die Magnetisierungrotiert um Be�.

4

Wird nun ein zusätzliches magnetisches Feld B1 hinzugeschaltet, welches sich z.B. auf der x-oder y-Achse des RKS be�ndet, kann die Magnetisierung in Richtung xy-Ebene gedreht werden(B1 macht sich dementsprechend bei Be� bemerkbar). Über die Dauer und die B1-Feldstärkekann ein bestimmter Rotationswinkel, der sogenannte Flipwinkel Θ eingestellt werden. BeträgtΘ 90◦ und die Magnetisierung be�ndet sich anschlieÿend in der xy-Ebene, spricht man voneinem 90◦- bzw. π

2 -Puls. In Abbildung 4 sind zwei Fälle für einen 90◦-Puls dargestellt. Beieinem 180◦, wodurch es zu einer Invertierung der z-Magnetisierung kommt, ist von einem 180◦-bzw. π-Puls die Rede.

Abbildung 4: Links: Magnetisierung entlang der z-Achse im Gleichgewichtszustand. Mitte: B1-Feldbe�ndet sich entlang der x-Achse, die Magnetisierung wird mit einem 90◦-Puls in diey-Richtung gebracht. Rechts: B1-Feld zeigt entlang der y-Achse, durch einen 90◦-Pulsgelangt die Magnetisierung in -x-Richtung [1].

Longitudinale und transversale RelaxationszeitWird der Gleichgewichtszustand der Magnetisierung gestört, kehrt dieser mit der Zeit wieder inseinen ursprünglichen Zustand zurück. Dieser Prozess kann über zwei Mechanismen beschriebenwerden, dem Abbau der Quermagnetisierung und dem Aufbau der Längsmagnetisierung.Die ursprüngliche Längsmagnetisierung baut sich wieder auf, um einen energetisch günsti-

geren Zustand zu erreichen. Wie oben bereits erwähnt, können Magnetfeldschwankungen imBereich der Larmorfrequenz Übergänge zwischen den Zuständen induzieren. Durch Moleku-larbewegungen entsteht ein magnetisches Rauschen in der Umgebung der Spins, was einenZustandswechsel begünstigt. Da die Umgebung eines Protons auch als Gitter bezeichnet wird,spricht man auch anstelle von der longitudinalen Relaxation von der Spin-Gitter-Relaxation.Die Längsrelaxation wird über die Zeitkonstante T1 beschrieben. Nach dem Zeitintervall T1 sindca. 63 % der ursprünglichen LängsmagnetisierungMz wiederhergestellt. Nach 5 T1-Schritten be-steht die Längsmagnetisierung nahezu vollständig.Wie in Abbildung 5 erfolgt die longitudinale Relaxation im Normalfall exponentiell. Die

Relaxation kann durch

dMz

dt= −Mz(t)−M0

T1(15)

5

Abbildung 5: Relaxation der Längsmagnetisierung Mz nach einem 90◦-Puls. Nach T1 sind 63 % derursprünglichen Magnetisierung wiederaufgebaut, nach 5 T1 ist die Längsmagnetisierungnahezu beendet [4].

beschrieben werden. Die Relaxationszeit hängt vor allem davon ab, welche Frequenzantei-le das magnetische Rauschen nahe der Larmorfrequenz besitzt und wie weit die Rauschquelle(andere Kernspins, ungepaarte Elektronen etc.) vom jeweiligen Spin entfernt ist. Für reineFlüssigkeiten sind die Molekularbewegungen wesentlich schneller als die Magnetfeldschwan-kungen, sodass es nicht wirklich zur Resonanz kommen kann. T1 ist dementsprechend groÿ.Zu berücksichtigen ist, dass durch die Abhängigkeit der Relaxation von Rauschanteilen na-he der Larmorfrequenz dieser Prozess auch vom externen Magnetfeld B0 abhängt, da es dieLarmorfrequenz bestimmt.

Abbildung 6: Quermagnetisierung Mxy nach einem 90◦-Puls. Durch Dephasierung der Spins zerfälltmit der Zeit die Quermagnetisierung. Dieser Prozess wird mit der Zeitkonstante T2beschrieben [4].

6

Im ersten Relaxationsmechanismus wird die Energie erniedrigt, der zweite führt zu einerEntropieerhöhung. Nach einem 90◦-Puls besteht eine gewisse Phasenkohärenz zwischen denSpins. Die Entropie ist dadurch erniedrigt. Die Ursache für den Zerfall der Quermagnetisie-rung ist unter anderem wieder die gleiche wie bei der Längsrelaxation, da bei dem Wechseldes Zustands auch die Phasenkohärenz verloren geht. Jedoch ist die Querrelaxation T2 teil-weise wesentlich kürzer als die Längsrelaxation T1. Der Grund ist ein zusätzlicher Prozess:Spin-Spin-Wechselwirkungen. Spins in der Umgebung beein�ussen durch ihr Magnetfeld auchandere Spins und sorgen für eine veränderte Präzessionsgeschwindigkeit. Die Spins dephasierenzunehmend und die Quermagnetisierung Mxy zerfällt. Dieser Prozess wird mit der Zeitkon-stanten T2 beschrieben und wird in Abbildung 6 verdeutlicht. Meistens verläuft auch hier dieSpin-Spin-Relaxation exponentiell.

2.2 Magnetresonanztomographie

Die Messgröÿe in der Magnetresonanztomographie ist die Quermagnetisierung Mxy. Entschei-dend für die Bildgebung ist es, dass man dem Ursprung des Signals einem Ort zuordnen kann.Hierfür sind neben dem homogenen Hauptmagnetfeld, das durch einen supraleitenden Magne-ten erzeugt wird, drei unterschiedliche Feldgradienten Gi mit

Gi =dBzdi

= const. (16)

und i = x, y, z nötig. Diese Feldgradienten lassen sich unabhängig voneinander schalten. MitZuhilfenahme der Gradienten lässt sich ein Magnetfeld in z-Richtung mit

Bz(r) = B0 + rG (17)

erzeugen. Die Resonanzfrequenz ω der Spins ändert sich somit nach

ω(r) = γBz(r) = γB0 + γrG (18)

Abbildung 7: Anregung einer Schicht in z-Richtung durch einen 90◦-Puls und hinzugeschaltenem Gra-dienten Gz. Die mittlere Frequenz des Impulses bestimmt die Position der Schicht, dieBandbreite ∆ω die Dicke der angeregten Schicht [4].

Wird nun ein Gradient nur in z-Richtung Gz geschaltet und ein 90◦-Puls mit einer Bandbreitevon ∆ω um ω zentriert, wird wie in Abbildung 7 nur diejenige Schicht in z-Richtung angeregt,

7

für die nach Gleichung (18)[ω0 −

∆ω

2, ω0 +

∆ω

2

]=

[γB0 − γ

∆z

2Gz, γB0 + γ

∆z

2Gz

](19)

gilt. Für die Schichtdicke ∆z folgt

∆z =∆ω

γGz. (20)

Eine Änderung der Schichtdicke kann dementsprechend durch eine andere Wahl der Gradien-tenstärke oder der Pulsbandbreite erreicht werden.Durch obige Methode erhält man eine angeregte Schicht. Im weiteren müssen die übrigen

zwei Dimensionen ortskodiert werden. Dies geschieht über die Frequenz- und Phasenkodierung.Schaltet man während der Signalaufnahme z.B. den Gradienten Gx, dann erhält man nach

ω(x) = γB0 + γxGx (21)

unterschiedliche, ortsabhängige Frequenzen im Messsignal. Die Frequenzanteile lassen sich übereine Fourier-Transformation aus dem Signal bestimmen. Durch die Transformation kann mannicht nur die Frequenzen im Signal bestimmen, sondern auch ihre Phase. Dies wird für dieKodierung der letzten Raumrichtung genutzt, indem vor der Messung des Signals ein variablerGy-Gradient geschalten wird, der die Phasenlage des Messsignals verändert.

Abbildung 8: Frequenz- und Phasenkodierung eines zweidimensionalen Bildes [4].

Somit können durch die Phasen- und Frequenzkodierung wie in Abbildung 8 dargestellt denSignalanteilen die Entstehungsorte zugeordnet werden. Bei einer aufgenommen Bildschicht miteiner Bildmatrix von 256 × 256 Pixeln benötigt man jedoch 256 Messungen mit unterschied-lichen Phasengradienten. Die Au�ösung in der Frequenzkodierrichtung kann dagegen durcheine höhere Abtastungsrate des Messsignals erreicht werden und beein�usst die Aufnahmezeitdagegen nicht.

8

2.2.1 EPI-Sequenz

Eine schnelle Sequenz zur Aufnahme einer Schicht ist die EPI-Sequenz (Echo Planar Imaging

von Mans�eld, 1977). Bei dieser Sequenz wird nur ein Anregungspuls pro Schicht verwendetund wird deshalb auch als �single-shot �-Sequenz bezeichnet. Es ermöglicht eine Schichtaufnah-me in weniger als 100 ms. Die Pulssequenz ist in Abbildung 9 gegeben. Nach der Anregungeiner einzelnen Schicht durch einen 90◦-Puls erfolgt eine starke Dephasierung der Spins durchgleichzeitig angelegte Gx- und Gy-Gradienten. Durch das Anlegen eines entgegengesetzten Gx-Gradienten wird ein Gradientenecho erzeugt. Durch alternierende Gx-Gradienten können dieSpins immer wieder refokussiert und dephasiert werden. Zwischen den Messungen wird die an-fängliche Dephasierung durch denGy-Gradienten durch entsprechende Gegengradienten schritt-weise abgebaut. Durch diese Methode wird durch eine Anregung die komplette Messmatrix, dersogenannte k-Raum, aufgenommen.

Abbildung 9: Pulssequenz von Epi (a) und Trajektorie im k-Raum (b) [5].

Die Au�ösung der so gewonnen Schichten ist gering. Im Normalfall nimmt man eine 64× 64-oder maximal eine 128 × 128-Matrix auf. Der limitierende Faktor hierfür ist eine starke T ∗

2 -Wichtung des Bildes, da eine Dephasierung durch Magnetfeldinhomogenitäten (durch z.B. Sus-zeptibilitätsvariationen) etc. nicht rephasiert wird und somit die Aufnahmezeit sehr beschränktist. Die Bildqualität wird dadurch vermindert. Auÿerdem führt die T ∗

2 -Wichtung nicht nur zuSignalverlusten in Bereichen mit magnetischen Feldinhomogentitäten, sondern auch zu einerVerschiebung der Pixel in Frequenzkodierrichtung ∆rf und Phasenkodierrichtung ∆rp um [6]

∆rf = Nf

(ωinh∆ω

)∆rp = NpNf

(ωinh∆ω

). (22)

ωinh ist durch die Feldinhomogenität bedingte Änderung der Larmorfrequenz, ∆ω die Band-breite (für EPI ca. 50 kHz�200 kHz), Nf die Anzahl der Datenpunkte im k-Raum in Frequenz-kodierrichtung und Np in Phasenkodierrichtung. Die Verschiebung in Frequenzkodierrichtungkann im Normalfall vernachlässigt werden, die um den Faktor Np gröÿere Verschiebung in Pha-senkodierrichtung dagegen nicht. Es kommt zu Verzerrungen in Phasenkodierrichtung. DurchKenntnis der Magnetfeldinhomogenitäten (z.B. durch B0-Field-Mapping) können diese teilsbehoben werden. Weiterhin lassen sich Feldinhomogentitäten durch �Shimming� verringern 1.

1Beim aktiven Shimmen wird das Hauptmagnetfeld durch Anlegen zusätzlicher, stationärer Magnetfeldgradi-

enten homogenisiert.

9

Eine weitere Fehlerquelle sind mögliche N/2-Ghosts, bedingt durch die gegenläu�ge Ausle-serichtungen im k-Raum. Korrekturen sind durch Messungen mit der EPI-Sequenz ohne ange-legten Gy-Gradienten möglich.Nichtsdestotrotz �ndet die EPI-Sequenz bei der funktionellen MRT Anwendung, da ein ge-

wisser T ∗2 -Kontrast erwünscht ist und die kurze Messzeit eine zeitliche Au�ösung ermöglicht.

2.3 Funktionelle Magnetresonanztomographie

Die funktionelle Magnetresonanztomographie basiert auf dem BOLD-E�ekt (Blood OxygenationLevel Dependency [7]). Die Basis hierfür bilden die unterschiedliche magnetische Eigenschaftenvon oxygeniertem und desoxygeniertem Hämoglobin. Desoxygeniertes Hämoglobin (HB) besitztwegen der ionischen Bindung des Eisenatoms ungepaarte Elektronen und ist deshalb parama-gnetisch, wodurch es durch entstehende lokale Magnetfeldinhomogenitäten zu einer Verkürzungvon T ∗

2 kommt. Im Gegensatz dazu besitzt bei oxygeniertem Hämoglobin (HBO2) das Eisena-tom nur kovalente Bindungen und ist diamagnetisch. Es besitzt in diesem Zustand ähnlichemagnetische Eigenschaften wie das restliche Hirngewebe. Der Unterschied in der magnetischenVolumensuszeptibilität χ beträgt [8]

∆χ = χ(HB)− χ(HBO2) = 0,08 · 10−6. (23)

Eine geringere Sauersto�sättigung des Blutes führt deshalb auch zu einer geringeren Signalin-tensität.

Abbildung 10: Bei einer normalen Neuronenaktivität verringert sich im Kapillarbett der Sauersto�ge-halt des Blutes. Durch die paramagnetische Wirkung von desoxygeniertem Hämoglobinkommt es zu lokalen Feldinhomogentitäten, wodurch die Spins zusätzlich dephasiertwerden und die Signalintensität abnimmt (a). Eine erhöhte Neuronenaktivität bewirkteine Überkompensation der Sauersto�versorgung (b). Das sauersto�reiche Blut besitztähnliche magnetische Eigenschaften wie das umliegende Gewebe. Das Magnetfeld isthomogener und es kommt zu einer Signalzunahme [9].

10

Nun ist die Vermutung nahe, dass ein erhöhte Neuronenaktivität und ein damit verbunde-ner erhöhter Sauersto�verbrauch zu einer Signalabnahme führt. Jedoch tritt das Gegenteil ein.Ein erhöhter Sauersto�verbrauch wird durch gesteigerten Blut�uss überkompensiert, das Signalnimmt in T ∗

2 -gewichteten Sequenzen zu. Der dafür genaue verantwortliche physiologische Vor-gang ist bisher nicht bekannt. Jedoch ist der zeitliche Verlauf des Signals (siehe Abbildung 11)bekannt.

(a) (b)

Abbildung 11: In Abbildung 11a ist die hämodynamische Antwortfunktion für einen kurzen Reizgegeben [5]. Abbildung 11b zeigt die gleiche Funktion mit einem 20 s langen Stimulus[9].

Die maximale Signalamplitude ist nach ca. 4 s nach Reizbeginn erreicht. Nach Beenden desStimulus kommt es zu einem raschen Signalabfall, was auch zu einer kurzzeitigen Verminderung(�Deaktivierung�) des Signals führt, bevor sich der Gleichgewichtszustand wieder einstellt. Die-sen Verlauf bezeichnet man auch als hämodynamische Antwortfunktion (HRF, HemodynamicResponse Function).Die Änderung der Signalintensität kann durch den BOLD-E�ekt ca. 0,5 bis 5 % vom Si-

gnal betragen und ist unter Umständen schwächer als das Rauschsignal. Aus diesem Grundkönnen minimale Pixelgröÿen mit einer Kantenlänge von ca. 2 mm verwendet werden, um einausreichendes Signal-zu-Rausch-Verhältnis zu erhalten.Anhand eines Bildes lassen sich noch keine Unterschiede in der Sauersto�versorgung feststel-

len. Hierfür benötigt man den Vergleich zu Referenzbildern, in der sich die zu untersuchendenGehirnregionen in einer �Ruhephase� be�nden, d.h. keinem Reiz ausgesetzt sind. Da die Di�e-renz der Bilder jedoch durch das geringe BOLD-Signal nicht sonderlich hoch ist, werden eineReihe von Bildern in Ruhephase und mit Stimulus hinzugezogen. Für jeden Pixel wird einzelnmit Hilfe von statistischen Tests bestimmt, ob eine hämodynamische Antwort vorliegt odernicht.

11

2.4 Anatomische Grundlagen

2.4.1 Räumliche Orientierung

Für die räumliche Orientierung im Gehirn spielen vor allem die Commissura anterior (CA)und die Commissura posterior (CP) eine wichtige Rolle. Sie de�nieren die CA-CP-Linie, welchepraktisch der y-Achse entspricht (von posterior nach anterior). Diese ist in Abbildung 12 guterkennbar.

Abbildung 12: Sagittalschnitt eines T1-gewichteten MRT-Bildes. Markiert sind die Commissura an-terior (CA), die Comissura posterior (CP), die durch die Commissurae laufende CA-CP-Linie und die senkrecht dazu stehende VCA-Linie [5].

Der Schnittpunkt von der Interhemisphärenebene und der Commissura anterior de�niertden räumlichen Nullpunkt (nach Talairach und Tournoux). Die x-Achse verläuft von linksnach rechts orthogonal zur CA-CP-Linie und die z-Achse von kaudal nach kranial. Durch dieBenutzung eines gemeinsamen Referenzraums durch Normalisierung des Gehirns erhält maneine gewisse Vergleichbarkeit unterschiedlicher Gehirne. Mittlerweile wurde der Talairach-Atlas(1988) vom MNI-Atlas (Montreal Neurological Institute) abgelöst, da die Gehirnkartierung desTalairach-Referenzhirns in Zeiten ohne MRT und CT erfolgte und auf dem Gehirn einer Per-son (post-mortem) basiert. Das MNI-Referenzhirn basiert auf über 300 MRT-Aufnahmen vongesunden Menschen [10].

2.4.2 Brodmann-Areale und Motorkortex

Die Groÿhirnrinde des Menschen wird in unterschiedliche Areale unterteilt, die anhand zellspe-zi�scher Unterschiede vom deutschen Neuroanatomen Korbinian Brodmann festgelegt wurden,und werden dementsprechend Brodmann-Areale genannt. Ursprünglich gab es 52 Brodmann-Areale (beim A�en), im Laufe der Zeit gab es eine teils noch genauere Einteilung und es kamenAreale wie z.B. 7a und 7b etc. hinzu.

12

Abbildung 13: Die sensomotorischen Hirnrindenfelder: primärmotorischer Kortex (MI, Areal 4), prä-motorischer Kortex (PM, Areal 6), zingulärmotorischer Kortex (CMA, Areal 24), pri-märsensorischer Kortex (SI, Areal 1,2 und 3) und posterior-parietaler Assoziationskor-tex PPC[11].

Bei dem Praktikum wurden willkürliche motorische Bewegungen (Finger tippen) untersucht.Für diese Bewegung werden verschiedene Areale des Gehirns benötigt, die eng miteinanderarbeiten � die sensomotorischen Hirnrindenfelder (siehe Abbildung 13). Im Frontallappen sindz.B. der prämotorische und der supplementär-motorische Kortex (PM, Areal 6 und MSA, me-dialer Teil von Areal 6) beteiligt, wo motorische Antworten geplant werden. Der Groÿteil ihrerE�erenzen führt in den Primärmotorischen Kortex (MI, Areal 4). Darauf wird die kontrala-terale Körperhälfte repräsentiert, wobei jede Körperregion einer anderen Stelle auf dem pri-märmotorischen Kortex zugeordnet werden kann (kortikaler Homunkulus). Es kommt zur Ge-nerierung motorischer Impulse. Weiterhin involviert ist der zingulärmotorische Kortex (CMA,Areal 24). Eine elektrische Reizung des CMA oder des SMA führt zu Muskelkontraktionen.Die unterschiedlichen Gebiete sind durch reziproke Verbindungen innerhalb einer Hemisphäregut miteinander verknüpft. Über kommissurale Verbindungen bestehen Verbindungen zu denentsprechenden Gebieten der kontralateralen Hirnhälfte.

13

2.5 Analyse der fMRT-Datensätze

Für die Analyse von fMRT-Datensätze ist es wichtig, dass jedem Pixel der EPI-Bilder einbestimmter Aufnahmezeitpunkt und eine bestimmte Hirnregion zugeordnet werden kann. Zu-dem ist die Signaländerung durch die hämodynamische Antwort in der Gröÿenordnung desRauschens. Aus diesem Grund verwendet man statistische Tests, um eine Antwortfunktionfeststellen zu können. Davor sind aber folgende Vorverarbeitungsschritte nötig:

Nullpunktkorrektur Korrektur des Nullpunktes auf die CA

Slice timing zeitliche Korrektur des Aufnahmezeitpunktes

Realign Korrektur von Bewegungsartefakten

Segment Partitionierung des Bilddatensatzes in graue und weiÿe Substanz etc.

Coregister Koregistrierung von strukturellen und funktionellen Datensätzen

Normalise Anpassung der Bilddatensätze an ein Referenzgehirn

Smooth Räumliche Glättung

Die Datenverarbeitung und -auswertung erfolgt mit dem Programm Statistical Parametric Map-

ping (spm8 bzw. spm12 ), welches vom Wellcome Department of Imaging Neuroscience vomUniversity College London mit Hilfe von MATLAB entwickelt wurde. Die Prinzipien der ein-zelnen Vorverarbeitungsschritte und der Auswertung werden nun einzeln vorgestellt.

2.5.1 Slice timing

Nicht alle Voxel eines MRT-Datensatzes sind zum selben Zeitpunkt aufgenommen worden,sondern jede Schicht besitzt einen unterschiedlichen Aufnahmezeitpunkt (z.B. hier verwende-te EPI-Bilder: 36 Schichten). Im Praktikum wurden die Schichten verschachtelt (�interleaved �)aufgenommen, da sich der Anregungspuls weniger auf die Signalintensität der Nachbarschichtenauswirkt. Zwischen erster und letzter aufgenommener Schicht können wenige Sekunden verge-hen. Die tatsächlichen Aufnahmezeitpunkte sind in Abbildung 14 grau markiert (a: aufsteigendeReihenfolge, b: verschachtelt). Nun wird durch eine sinc-Interpolation aus Schichten mit unter-schiedlichem Aufnahmezeitpunkt die Schicht erstellt, die den gleichen Aufnahmezeitpunkt wiedie Referenzschicht besitzt.Für die Korrektur sind sowohl die Aufnahmereihenfolge, die Referenzschicht für die Zeit-

verschiebung, die Repititionszeit TR (zeitlicher Abstand zwischen Aufnahmebeginn eines Da-tensatzes zum Aufnahmebeginn des darau�olgenden Datensatzes) und die Akquisitionszeit TA(benötigte Aufnahmezeit für einen Datensatz) anzugeben. Die Referenzschicht wird nach derzu erwartenden Aktivierung festgelegt und es wird in der Regel die mittlere Schicht (z.B. 18von 36) genommen, da sich hier meist auch die region of interest be�ndet und der Anteil dergrauen Substanz am höchsten ist.

14

Abbildung 14: Grau markiert sind die tatsächlichen Aufnahmezeitpunkte der jeweiligen Schichtenfür eine aufsteigende (a) und eine verschachtelte Reihenfolge (b). Im Beispiel sind esjeweils 5 Schichten, wobei die erste Schicht die Referenzschicht darstellt. Durch einesinc-Interpolation zweier Schichten unterschiedlicher Zeitpunkte wird eine Schicht mitdem gleichen Aufnahmezeitpunkt wie der der Referenzschicht erstellt [9].

Die Zeitkorrektur wird zuallererst und nur einmal durchgeführt. Durch steigende Repititions-zeit wird auch der Interpolationsfehler gröÿer. Alternativ kann auch später in das Modell dieZeitableitung einbezogen werden, welche auch Zeitunterschiede von ±1 s berücksichtigen kann.

2.5.2 Realign

Während einer fMRT-Messung werden komplette Zeitserien im Bereich von einigen Minutenoder noch länger aufgenommen. Zu berücksichtigen ist, dass nicht jeder Voxel der Datensätzenur das Zeitsignal eines Orts im Gehirn besitzt, sondern dass es durch Bewegungsartefakte zuSignaländerungen kommt. Auch wenn eine Bewegung nur einen Bruchteil eines Voxels beträgt,sorgt sie dafür, dass Teile des Nachbarorts registriert werden und es zu Signaländerungen vonwenigen Prozent kommt.Diese Bewegungen können zufällig sein, was zusätzliches Rauschen erzeugt und die Detektion

des Signals erschwert; oder sie können auch mit dem Stimulus korrelieren, was vor allem inKantenregionen zu einer Aktivierung führt, die sich nicht mehr vom physiologischen BOLD-Signal unterscheiden lässt (Kontrolle der Bewegungskorrektur auf Korrelationen ist

äuÿerst wichtig, um falsch positive Aktivierungen zu vermeiden!). Um diesen E�ektzu minimieren, lassen sich die abgeschätzten korrelierten Bewegungen als Kovariate in derDesign-Matrix für die statistische Auswertung eintragen.Bei der Bewegungskorrektur wird jeder Datensatz mit einem Referenzbild (erstes oder mitt-

leres Bild der Zeitreihe) verglichen. Hierfür werden vor allem die Grenz�ächen betrachtet, dahier die gröÿten Signalunterschiede vorliegen und sich hier unterschiedliche Lagen vor allembemerkbar machen. Die Korrektur der Bilder erfolgt durch Minimierung der Abstandsquadrateder jeweils korrespondierenden Voxel. Es handelt sich dabei um eine Rigid-Body-Transformation(siehe Abbildung 15), einer a�nen Transformation mit 6 Freiheitsgraden: 3 Freiheitsgrade fürdie Translation (Verschiebung in x-, y-, und z-Richtung) und 3 Freiheitsgrade für die Rotation(pitch, yaw und roll). Die Gröÿe und die Form des Gehirns wird dabei nicht geändert. Durch die

15

Transformation kann es zu Interpolationse�ekten kommen. Aus diesem Grund ist es wichtig,eine Interpolation mit hoher Genauigkeit (z.B. B-Spline) zu verwenden.

Abbildung 15: A�ne Transformationen. Rigid-Body-Transformation mit 6 Freiheitsgraden: 3 Rotati-onswinkel und 3 Translationsrichtungen. Die allgemeine a�ne Transformation besitzt12 Freiheitsgrade. Zusätzlich zur Rigid-Body-Transformation kommen noch jeweils 3Freiheitsgrade für Skalierung und Scherung hinzu [12].

Trotz der Bewegungskorrektur bleiben einige Probleme bestehen, wie nichtlineare Verzerrun-gen durch B0-Inhomogenitäten (z.B. durch Kopf hervorgerufen). Durch Bewegung des Kopfesändern sich auch die räumlichen Verzerrungen der Bilder, die Verzerrung ist abhängig von derjeweiligen Kopfposition. Bei starken Verzerrungen lassen sich diese bei Bewegungen, die nichtsenkrecht zum Magnetfeld sind (pitch und roll), durch die Funktion �realign and unwarp� kor-rigieren. Dabei werden lediglich die unterschiedlichen Verzerrungen der jeweiligen EPI-Bilderkorrigiert. Die Hauptverzerrungen durch Inhomogenitäten bleiben bestehen (Korrektur mit Hil-fe von �eld maps2).

2Für die Erstellung einer �eld map werden zwei Bilder mit unterschiedlicher Echozeit mittels Gradientenecho

aufgenommen. Durch B0-Inhomogenitäten kommt es zu einem Phasenunterschied zwischen beiden Bildern,

der proportional zur Magnetfeldinhomogenität ist. Durch die B0-�eld map lassen sich anschlieÿend Verzer-

rungen im EPI-Bild korrigieren, die durch die Magnetfeldinhomogenität zustande kommen. Eine Verzer-

rungskorrektur ist vor allem bei höheren Magnetfeldstärken zu empfehlen, da die Verzerrungen linear mit

dem Magnetfeld zunehmen.

16

2.5.3 Segment (optional)

Bei der Segmentierung wird das strukturelle Bild (T1-gewichtete Bild) in graue und weiÿeSubstanz, Gehirn�üssigkeit (CSF) etc. partitioniert.

Abbildung 16: Zuordnung der Bildhelligkeit zu unterschiedlichen Hirnstrukturen und deren Wahr-scheinlichkeit [12].

Die Segmentierung erfolgt mit Hilfe von Helligkeitsinformationen und Wahrscheinlichkeits-karten. Wie Abbildung 16 zeigt, besitzen unterschiedliche Substanzen des Gehirns verschiedeneSignalintensitäten. Jedoch gibt es Überschneidungen und eindeutige Zuordnungen sind nichtimmer möglich. Mit Hilfe der Wahrscheinlichkeitskarten in Abbildung 17 ist eine Zuordnungmöglich.

Abbildung 17: Links: strukturelle Aufnahmen des Gehirns. Anschlieÿend folgen die Wahrscheinlich-keitskarten für die graue und weiÿe Substand und die Gehirn�üssigkeit [13].

Da für die Segmentierung Helligkeitsinformationen verwendet werden, ist sie anfällig fürSchwankungen in der Signalintensität (Bildinhomogenitäten). Deshalb erfolgt eine Bias-Korrekturdes strukturellen Bildes. Das Bias-korrigierte T1-gewichtete Bild lässt sich ebenfalls abspeichernund man hat ein homogeneres strukturelles Bild zur Verfügung.

17

2.5.4 Coregister

Neben der EPI-Bilderserie wird in der Regel ein strukturelles T1-gewichtetes Bild aufgenom-men. Für die spätere Zusammenführung von strukturellem Bild und funktionellem Bild (basie-rend auf einer EPI-Bilderserie), ist es wichtig, dass in beiden Bildern die Lage des Probandenidentisch ist. Damit die Bilder exakt übereinstimmen ist eine Korrektur durch Koregistrierungnötig. Schwierig hierbei ist, dass sich die Bilder bezüglich Gewebekontrast und Au�ösung starkvoneinander unterscheiden. Wie bei der Bewegungskorrektur handelt es sich hierbei um eineRigid-Body-Transformation.

Abbildung 18: Join-Histogramm. Unten links: Die Intensitäten des EPI-Bilds sind gegenüber der In-tensitäten der entsprechenden Voxel des strukturellen Bildes abgebildet (vor Koregis-trierung). Es wird eine Rigid-Body-Transformation durchgeführt mit der Information,dass die Grauwerte der weiÿen Substanz des einen Bildes den Grauwerten der grauenSubstand des anderen Bildes und vice versa entsprechen. Nach der Koregistrierungbesitzt das Histogramm eine höhere Ordnung [13].

Hierfür wird ein Mittelbild der EPI-Bilderserie (Source Image) an das strukturelle Bild(Reference Image) angepasst und alle EPI-Bilder mit dem Mittelbild anschlieÿend abgegli-chen. Durch die unterschiedlichen Grauwerte der entsprechenden Hirnsubstanzen (hervorge-rufen durch unterschiedlichen Kontraste: T1-gewichtete strukturelles Bild und T ∗

2 -gewichteteEPI-Bilder) ist eine Minimierung des Abstandquadrates nicht einfach so möglich, es wird eine�mutual-information�-Registrierung verwendet. Dabei werden die Grauwerte der unterschied-lichen Bilder in einem sogenannten Join-Histogramm verglichen. In Abbildung 18 sind dieGrauwerte des strukturellen Bildes auf der x-Achse und die der EPI-Bilder auf der y-Achseaufgetragen. Der Grauwert der grauen Substanz des EPI-Bildes vor der Koregistrierung wirdhierbei dem Grauwert der weiÿen Substanz des strukturellen Bildes zugeordnet und andersrum.Es erfolgt eine Rigid-Body-Transformation zur Erhöhung der Ordnung des Join-Histogramms.Falls eine Verzerrungskorrektur der EPI-Bilder mit Hilfe von �eld maps erfolgt, hat dies vor

der Koregistrierung zu erfolgen.

18

2.5.5 Normalise

Für Studien müssen Gehirne mehrerer Probanden miteinander bzw. mit einem Referenzgehirn(MNI-Template) verglichen werden. Hierbei müssen neben der unterschiedlichen räumlichen La-ge der Gehirne in den Bildern auch die anatomischen Unterschiede berücksichtigt werden. Dasstrukturellen T1-gewichteten Bild wird hierbei an ein T1-Template (Vorlage) angepasst und dieEPI-Bilder an ein EPI-Template. Zunächst wird eine a�ne Transformation nach Abbildung 15bestehend aus 12 Freiheitsgraden durchgeführt. Anschlieÿend erfolgt eine nichtlineare Transfor-mation, um die makroanatomischen Unterschiede zwischen Bild und Referenzgehirn möglichstzu minimieren.

Abbildung 19: Deformationsfeld einer nichtlinearen Transformation. Die Vektoren zeigen von demPunkt im Referenzgehirn zum jeweiligen korrespondierenden Punkt im individuellenGehirn. Die Länge des Vektors ist farbkodiert [5].

Die Schwierigkeit bei der Normalisierung der EPI-Bilder mit Hilfe eines EPI-Templates istdie schlechte Au�ösung der EPI-Bilder. Alternativ können die EPI-Bilder mit Hilfe des höheraufgelösten strukturellen Bildes normalisiert werden. Bei der Segmentierung kann man ein De-formationsfeld erstellen, welches die nötigen Informationen für die Normalisierung des T1-gew.Bildes beinhaltet. Dieses Deformationsfeld kann man auch auf die koregistrierten EPI-Bildermit gleicher Au�ösung anwenden. Zu beachten ist, dass Verzerrungen des EPI-Bildes nach die-ser Normalisierungsart weiterhin bestehen, da diese nicht berücksichtigt werden. Deshalb istes hierbei empfehlenswert, bei vorliegenden Verzerrungen (z.B. bei Aufnahmen am 3 T-Gerät,langen Echozeiten, hohen Au�ösungen und nichtparallelen Akquisitionstechniken) mit einerVorzerrungskorrektur zu arbeiten.

2.5.6 Smooth

Als letzter Vorverarbeitungsschritt erfolgt die räumliche Glättung der EPI-Bilder. Dies be-wirkt eine Verbesserung des Signal-zu-Rausch-Verhältnisses und erhöht die Aussagekraft derstatistischen Tests. Für die Glättung wird ein dreidimensionaler Gauÿ-Kernel verwendet miteiner bestimmten Halbwertsbreite FWHM (von ca. 2�3 Voxeln). Für die Berechnung des Voxel-Grauwertes wird auch der Grauwert des Nachbarvoxels Gauÿ-gewichtet miteinbezogen und eineAbhängigkeit von benachbarten Voxeln wird somit berücksichtigt.

19

2.5.7 Statistik

Nach der Bildvorverarbeitung enthält im Idealfall jeder Voxel die Information eines bestimmtenOrtes im Gehirn zu einem bestimmten Zeitpunkt. Somit kann der zeitliche Verlauf jedes Voxelsuntersucht werden. Für die Betrachtung verwendet man das allgemeine lineare Modell. Derzeitliche Verlauf der Signalintensität y in einem Voxel ergibt sich durch

yi,j = β1,jxi,1 + β2,jxi,2 + · · ·+ βn−1,jxi,n−1 + βn,jxi,n + εi,j . (24)

xi,1 . . . sind hierbei die zeitabhängigen Regressoren des Modells, β1,j . . . sind die jeweiligenWichtungen der Regressoren und ε der Fehler. Der Index i steht hierbei für die Zeit und j fürden Ort.

Abbildung 20: Zeitlicher Signalverlauf eines Voxels bei einem Blockdesign. Das Messsignal setzt sichnach dem allgemeinen linearen Modell aus unterschiedlichen Komponenten zusammen[14].

Wie sich die zeitliche Signalintensität z.B. bei einem Blockdesign zusammensetzt, zeigt Ab-bildung 20. Die Gewichtung der Regressoren erfolgt so, dass der Fehlerterm minimiert wird.Die Regressoren können auch als sogenannte Designmatrix X geschrieben werden (Spalte gibtRegressor an, Zeile den Zeitpunkt) und es ergibt sich die Gleichung in Matrixform zu:

Y = BX + E (25)

Bei den Messungen wurde ein Blockdesign wie in Abbildung 20 verwendet, das heiÿt für eine be-stimmten Block wurde ein Reiz zugeführt und für ein bestimmte Zeit wurde dieser anschlieÿendunterlassen. Der Vorgang wird mehrmals wiederholt. Da die hämodynamische Antwort zeitver-setzt zustande kommt, wird die Rechteckfunktion mit der hämodynamischen AntwortfunktionHRF gefaltet.Für die statistische Auswertung werden die E�ektgröÿe B und das Rauschen E verglichen und

die Signi�kanz des stimulierten Signals mittels T-Test bestimmt. Bei dem Test sagt die Nullhy-pothese H0 aus, dass es kein Zusammenhang zwischen Reizung und Signalschwankung gibt, dieAlternativhypothese H1 sagt aus, dass ein signi�kanter Zusammenhang besteht. Zusätzlich isteine Irrtumswahrscheinlichkeit p festzulegen, die besagt dass die Alternativhypothese zutri�t,wenn die Wahrscheinlichkeit eines zufälligen Zustandekommens des Ergebnisses geringer als dieWahrscheinlichkeit p ist. Mit p wird gleichzeitig auch die Signi�kanzschwelle t festgelegt. Be-trägt die Irrtumswahrscheinlichkeit z.B. 1 %, heiÿt das, dass bei jedem Voxel eine 1 % Chance

20

für ein falsch positives Ergebnis (Fehler 1. Art) besteht. Für ein Volumen bestehend aus meh-reren tausend Voxeln heiÿt das, dass viele Voxel ein falsch positives Ergebnis aufweisen. Ausdiesem Grund gibt es zusätzlich die FWE-Korrektur (Family Wise Error rate). Dadurch sinktdie im hier gegebenen Beispiel die Wahrscheinlichkeit, dass es überhaupt ein falsch positivesErgebnis gibt auf 1 %.

3 Durchführung

Es wurden fMRT-Datensätze gestellt, die an einem 1,5 T-MRT mit einer 20-Kanal-Kopfspuleaugenommen wurden, Aufnahmen an einem 3 T-Gerät (Siemens Skyra) mit einer 32-Kanal-Kopfspule wurden durchgeführt. In beiden Fällen wurde in einem Blockdesign Fingertippenuntersucht. Dabei wurden abwechselnd die verschiedenen Finger bewusst und langsam an denDaumen herangeführt. Die 1,5 T-Datensätze beinhalten nur Fingertippen von der linken Hand,die am 3 T-Gerät gewonnen sowohl von der linken als auch von der rechten Hand.In beiden Fällen wurde ein Blockdesign entsprechend Abbildung 21 verwendet.

Abbildung 21: Blockdesign. Der Stimulus in Blöcken präsentiert, die durch eine (gleich lange) Ruhe-phase voneinander getrennt sind. Die Boldfunktion ist dazu zeitversetzt. Währenddes-sen werden in bestimmten Abständen EPI-Bilder aufgenommen [15].

3.1 Parameter am 1,5 T-Gerät

Fertige Datensätze, die an einem 1,5 T-MRT mit einer 20-Kanal-Kopfspule erstellt wurden,wurden gestellt. Das T1-gewichtete Bild besitzt eine Au�ösung von 1× 1× 3 mm (224× 256×52-Matrix). Die Repititionszeit TR der EPI-Bilder betrug 4520 ms, die Echozeit 50 ms, dieAufnahmezeit wurde auf 3000 ms (genaue Informationen waren nicht vorhanden) abgeschätzt.Die 36 EPI-Schichten wurden im �interleaved �-Modus aufgenommen bei einer Au�ösung von3× 3× 3,75 mm (64× 64× 36-Matrix).Nach den 3 Dummy-Scans wurden insgesamt 60 EPI-Bilder aufgenommen. Abwechselnd

befand sich der Proband dabei jeweils 10 Scans in Ruhe bzw. war aktiv (3 passive und 3 aktiveBlöcke). Im aktiven Block wurde linksseitiges Finger tippen durchgeführt.

3.2 Parameter am 3 T-Gerät

Die Aufnahmen wurden am 3 T-MRT (Siemens Skyra, Erlangen) mit einer 32-Kanal-Kopfspuledurchgeführt. Durch die Enge der Kopfspule war die Benutzung von Kopfhörern nicht möglich.Die Signale wurden zwischen den Scans dem Probanden zugerufen. Das T1-gewichtete Bildbesitzt eine Au�ösung von 0,5×0,5×3 mm (512×416×80-Matrix). Die Repititionszeit TR der

21

EPI-Bilder betrug 5500 ms und die Echozeit TE 30 ms. Die Verzögerungszeit betrug 2800 ms.Daraus ergibt sich für die Aufnahmezeit TA:

TA = TR−Verzögerungszeit = 2700 ms

Die EPI-Bilder besitzen eine Au�ösung von 2× 2× 3,75 mm (94× 94× 36-Matrix). Nach den3 Dummy-Scans wurden insgesamt 56 EPI-Bilder aufgenommen. Abwechselnd befand sich derProband dabei jeweils 7 Scans in Ruhe bzw. war aktiv (4 passive und 4 aktive Blöcke). Dieswurde sowohl für Finger tippen links als auch für Finger tippen rechts durchgeführt. Bei derersten Messung mit linksseitigem Finger tippen wurde der letzte aktive Block nicht verwendet,da der Proband die Aktion mit der rechten Hand ausgeführt hat.

1,5 T-MRT 3 T-MRTParameter T1-gew. Bild

Au�ösung 1× 1× 3 mm 0,5× 0,5× 3 mmMatrix 224× 256× 52 512× 416× 80

Parameter EPI-Bilder

Au�ösung 3× 3× 3,75 mm 2× 2× 3,75 mmMatrix 64× 64× 36 94× 94× 36Repititionszeit TR 4520 ms 5500 msEchozeit TE 50 ms 30 msAufnahmezeit TA ca. 3000 ms 2700 msVerzögerungszeit ca. 2520 ms 2800 msAnzahl Bilder 60 56 bzw. 49Bilder pro Block 10 7

Tabelle 1: Zusammenfassung der Parameter

22

4 Auswertung

In diesem Kapitel werden die Vorverarbeitungsschritte und die Auswertung von spm8 und spm12

erläutert und miteinander verglichen. Dies beinhaltet in der Vorverarbeitung das Einlesen der

Daten, die Nullpunktkorrektur, die Slice-Time-Korrektur, die Bewegungskorrektur, die Segmen-

tierung, die Normalisierung und die Glättung. Bei der Auswertung werden vor allem die Mo-

delleingabe, die Ergebnisse und weitere Auswertungsmöglichkeiteiten miteinander verglichen.

(a) spm8 (b) spm12

Abbildung 22: In Abbildung 22a ist das Basisfenster von spm8 und in Abbildung 22b das Basisfenstervon spm12 dargestellt [16, 17].

4.1 Einlesen der Daten

Wie in Abbildung 22 zu sehen ist, besitzt das Basisfenster von spm8 und spm12 die gleichenOptionen, es wurde lediglich optisch überarbeitet. Die DICOM-Bilder3. können jeweils überDICOM Import importiert werden.Bei spm8 werden die Dateien ins Analyse-Format konvertiert und bestehen dann aus einer

.img-Datei (enthält die Bildinformationen) und einer .hdr-Datei mit den Header-Informationen.So werden aus vielen DICOM-Dateien zwei Dateien im Analyse-Format. Die Header-Informationensind im Analyse-Format wesentlich geringer als im DICOM-Format. Durch die geringen In-formationen ist z.B. die genaue räumliche Lokalisation im Tomographen nicht möglich undVerwechslungen von rechter und linker Hemisphäre sind nicht möglich.spm12 konvertiert die Dateien dagegen in das NIfTI-Format (Neuroimaging Informatics

3DICOM steht für Digital Imaging and Communications in Medicine und ist der Standard für die Speicherung

von medizinischen Bilddaten und beinhaltet neben den Bildern auch Informationen zum Patienten, der

Aufnahme, Aufnahmeparameter, Studien etc.

23

Technology Initiative). Dieses Format besitzt die gleichen Vorteile wie das Analyse-Format,aber durch die Nutzung von leeren Header-Zeilen ermöglicht es eine eindeutige Seitenzuord-nung. Zudem ist nur noch eine .nii-Datei vorhanden [18].

4.2 Nullpunktkorrektur

Die Nullpunktkorrektur erfolgt über Display. Mit dem Fadenkreuz wird die Commissura An-terior wie in Abbildung 23 ausgewählt. Die negativen Werte der Crosshair Position werdenins darunterliegende Fenster eingetragen und der Nullpunkt wird korrigiert. Über Reorient. . .lassen sich die anderen EPI-Bilder jeweils um den gleichen Wert korrigieren.

(a) T1-gew. Bild (b) EPI-Bild

Abbildung 23: In Abbildung 23a ist das Display-Fenster mit dem T1-gewichteten Bild und in Abbil-dung 23b mit einem EPI-Bild. In beiden Fällen wurde der Nullpunkt auf die Com-missura Anterior korrigiert. Die Daten sind aus der Auswertung mittels spm12 der3 T-Aufnahmen.

Wie in Abbildung 23b zu sehen ist, fällt die Nullpunktkorrektur für die schlechtaufgelöstenEPI-Bilder schwerer aus als für die strukturellen Bilder. Neben der Au�ösung kommt erschwe-rend hinzu, dass EPI-Bilder einen anderen Kontrast besitzen. Für eine Abschätzung der Lageder Commissura Anterior ist es hilfreich, nebenbei das strukturelle Bild mit entsprenden Schnit-tebenen zu betrachten.Das Display-Fenster und die Eingabemöglichkeiten sind bei spm8 und spm12 identisch.

24

4.3 Slice timing

Die Slice-time-Korrektur erfolgt über Slice timing. Einzugeben ist die Anzahl der Schichten, dieRepititions-, Aquisitionszeit und Schichtreihenfolge mit Referenzschicht. Die Reihenfolge für 36Schichten im verschachtelten Aufnahmemodus ist:2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 3133 35 mit Referenzschicht 18.Die entsprechende Reihenfolge der Schichtaufnahme kann für andere Fälle [19] entnommenwerden. Die Datei bekommt mit der Korrektur den Prä�x a. Das zugehörige Fenster ist Abbil-dung 24 zu entnehmen.

Abbildung 24: Dateneingabe bei Slice timing (spm12 mit 1,5 T-Datensätze).

Das Display-Fenster und die Eingabemöglichkeiten sind bei spm8 und spm12 identisch.

4.4 Realign

Die Bewegungskorrektur erfolgte über Realign (Estimate & Reslice). Für die Auswertung wur-den die Standardeinstellungen verwendet.

Abbildung 25: Dateneingabe bei Realign: Estimate & Reslice (spm8 mit 1,5 T-Datensätze).

25

Das Display-Fenster und die Eingabemöglichkeiten sind bei spm8 und spm12 identisch undsind Abbildung 25 zu entnehmen.

(a) spm8 (b) spm12

Abbildung 26: Daten der Bewegungskorrektur der 1,5 T-Datensätze. In Abbildung 26a sind die Kor-rekturparameter von spm8 angegeben, in Abbildung 26b die von spm12.

Abbildung 26 zeigt, dass auch die Ergebnisse der Bewegungskorrektur identisch sind (dagleiche Verfahren verwendet werden). Lediglich wurde in spm12 das Gra�kdesign überarbeitet,indem auf die obere und rechte Achse verzichtet wurde und stattdessen zur besseren Ables-barkeit Gitternetzlinien eingeführt wurden. Die Datei bekommt mit der Korrektur den Prä�xr.

Realign: Estimate & UnwarpDa vor allem bei gröÿerem magnetischen Feld (z.B. 3 T) es bei EPI-Bilder zu starken Verzer-rungen kommen kann, wurde für den 3 T-Datensatz Realign (Estimate & Unwarp) mit denStandardeinstellungen getestet.

Abbildung 27: EPI-Deformationsfelder im Hinblick auf pitch (links) und roll (mitte). Links sind diezugehörigen Bewegungsparameter abgebildet (blau: pitch, grün: roll). Auswertung mitden Daten vom 3 T-MRT und Finger tippen linksseitig (spm8 ).

26

Es werden hierbei EPI-Deformationsfelder bezüglich den Rotationen pitch und roll erstellt.Diese sind mit den zugehörigen Bewegungsparameter in Abbildung 27 zu �nden.

(a) Estimate & Reslice (b) Estimate & Unwarp

Abbildung 28: t-Maps aus Daten, die mit Estimate & Reslice (Abbildung 28a) und mit Estimate &Unwarp (Abbildung 28b) gewonnen wurden.

In Abbildung 28 sind Ergebnisse von gleichen Datensätzen, die entweder mit der herkömm-lichen Bewegungskorrektur ausgewertet wurden oder zusätlich mit der Verzerrungskorrektur.Es sind geringe Unterschiede in den Grenzregionen des Gehirns erkennbar, wobei durch die zu-sätzliche Verzerrungskorrektur die Signalbereiche besser im Refernzgehirn liegen und wenigerauÿerhalb des Gehirns vorhanden sind. Manche Aktivitäten an den Grenzregionen nehmen ab.Die Datei bekommt mit der Korrektur den Prä�x u.

4.5 Segment

Die Segmentierung ist der erste Vorverarbeitungsschritt, der sich bei spm8 und spm12 unter-scheidet. Jedoch ist die Standardsegmentierung von spm12 bereits in spm8 unter new segment

über das Batch-Fenster nutzbar. Bei der neueren Version wurde lediglich der Algorithmus erwei-tert. Die Standardsegmentierung von spm8 ist auch noch unter spm12 über das Batch-Fensterals old segment verwendbar.Bei der älteren Version der Segmentierung ist es wichtig, dass die Bilder schon relativ gut an

die Wahrscheinlichkeitskarten angepasst sind. Die Commissura Anterior muss nahe am Null-punkt sein und die Orientierung des Gehirns darf sich nur um wenige Grad unterscheiden.Auÿerdem ist eine Segmentierung nur in die Klassen graue Substanz, weiÿe Substanz undzelebrale Flüssigkeit möglich. Bei new segment sind zusätzliche Klassen wie Knochen, Weich-gewebe und Hintergrund eingeführt. Die Einstellmöglichkeiten der Standardsegmentierungensind in Abbildung 29 dargestellt. Zur besseren Vergleichbarkeit wurden vor allem bei spm8einige Parameter verändert. So werden normalerweise bei Abbildung 29a keine Dateien mit derzerebralen Flüssigkeit ausgegeben, die Bereinigung des Bildes (Entfernung von Pixeln in den

27

segmentierten Bildern, die frei im Raum sind) ist ausgeschaltet und die Bias-Regularisierungist normal noch geringer4.

(a) spm8 (b) spm12

Abbildung 29: Einstellmöglichkeiten bei der Standardsegmentierung in Abbildung 29a für spm8 undin Abbildung 29b für spm12.

Bei old segment wird standardgemäÿ eine Parameterdatei seg_sn.mat erstellt, welche dieInformationen der Normalisierung beinhaltet. Bei new segment kann man ein Deformations-feld (Datei: y. . . .nii) erstellen. Um es später auf die EPI-Bilder anwenden zu können ist dieEinstellung Forward nötig.

Abbildung 30: Links: graue Substanz, mitte links: weiÿe Substanz, mitte rechts: zerebrale Flüssigkeitund rechts: strukturelle Bild ohne (links) und mit (rechts) Bias-Korrektur. Die Bildersind aus der Auswertung der 3 T-Daten mit spm8 und new segment.

Das Bias-korrigierte strukturelle Bild (bzw. auch das Bias-Feld) lässt sich in beiden Versionenauch zusätzlich abspeichern. Wie in Abbildung 30 (rechts) zu sehen ist, ist die Signalintensitätmit Bias-Korrektur wesentlich homogener als ohne. Somit lässt sich das Bias-korrigierte Bildauch später für Betrachtungen besser benutzen. Das Bias-korrigierte Bild hat den Prä�x m.Die segmentierten Bilder der grauen bzw. weiÿen Substanz und der zerebralen Flüssigkeit diePrä�ces c1, c2 und c3 und sind beispielsweise auch in Abbildung 30 abgebildet.4Falls nur geringe Signalintensitätsinhomogenitäten im Bild sind, ist die Bias-Regularisierung höher einzu-

stellen. So weiÿ das Programm, dass nur eine geringe Intensitätsschwankung vorliegt und dementsprechend

handeln kann.

28

4.6 Coregister

Die Koregistrierung ist bei beiden spm-Versionen wieder identisch. Es wurde Coregister (Esti-mate & Reslice) verwendet. Lediglich verwendet die ältere Version eine trilineare Interpolation,die neuere Version eine B-Spline-Interpolation 4. Grades. Wie in Abbildung 31 kann dies jedochumgestellt werden.

Abbildung 31: Fenster der Koregistrierung von spm8.

Als Referenzbild (Reference Image) wird das strukturelle Bild verwendet. Das aus der Bewe-gungskorrektur gewonnene Mittelbild (meana. . . ) wird als Quellbild (Source Image) eingesetztund dementsprechend mit der Mutual-Information-Koregistrierung an das Referenzbild ange-passt. Die übrigen EPI-Bilder werden entsprechend der gewonnen Transformationsdaten (sieheAbbildung 32) transformiert.

(a) Referenzbild ohne Bias-Korrektur (b) Referenzbild mit Bias-Korrektur

Abbildung 32: Joint-Histogramme und Transformationsdaten. In Abbildung 32a wurden die EPI-Bilder an das normale strukturelle Bild koregistriert, in Abbildung 32b an das Bias-korrigierte Bild.

29

Die Koregistrierung wurde sowohl mit normalem strukturellem Bild als auch mit Bias-korrigiertem Bild getestet. Die Ergebnisse waren vergleichbar. Im Joint-Histogramm ist unterVerwendung der Bias-Korrektur in Abbildung 32b erkennbar, dass die Intensitäten im T1-Bilddurch die Korrektur nicht so stark gestreut sind, im Gegensatz dazu das Histogramm ohneVerwendung der Korrektur in Abbildung 32a.Die koregistrierte EPI-Bilder erhalten den Prä�x r.

4.7 Normalise

Bei der Auswertung wurden zwei Normalisierungswege getestet, zum einen die Normalisierungder EPI-Bilder mit Hilfe des EPI-Templates, zum anderen die Normalisierung über die durchdie Segmentierung gewonnen Deformationsfelder angewendet auf die EPI-Bilder. Diese Schrittewerden hier getrennt voneinander betrachtet.

4.7.1 Normalisierung mittels Templates

Das Fenster von spm8 für Normalise (Estimate & Write) ist in Abbildung 33 dargestellt. Unter-schiede in den Versionen sind vor allem die Benutzung unterschiedlicher Templates (spm8 be-nutzt ein EPI-Template, spm12 ein TPM-Template5), unterschiedliche Interpolationen (spm8 :trilinear, spm12 : B-Spline 4. Grades) etc.

Abbildung 33: Fenster von Normalise (Estimate & Write) bei spm8.

Als Quellbild (spm8 : Source Image, spm12 : image to align wird das durch die Koregistrie-rung erstellte Mittelbild (rmeana. . . ) verwendet. Anschlieÿend wird für die EPI-Bilder dieselbeTransformation zur Normalisierung durchgeführt wie es bei dem Quellbild verwendet wurde.

4.7.2 Normalisierung mittels Segmentierung

Die Verwendung der Normalisierung mit Hilfe der Segmentierung unterscheidet sich bei spm8und spm12 und wird deshalb getrennt voneinander behandelt.

5Tissue Probability Map

30

Vorgehen mit spm8Die Vorgehensweise bei spm8 unterscheidet sich je nachdem, ob man die Segmentierung stan-dardgemäÿ oder über new segment durchgeführt hat. Bei der Auswertung mit der Standardseg-mentierung verwendet man für die Normalisierung Normalise (Write) und die Parameterdatei,die bei der Segmentierung erstellt wurde (seg_sn.mat). Die Einbindung der Daten kann Ab-bildung 34 (links) entnommen werden. Die Interpolation wurde wieder an spm12 angeglichen,da normalerweise hier wieder eine trilineare Interpolation verwendet wird. Die normalisiertenEPI-Daten erhalten den Prä�x w.

Abbildung 34: Links: Fenster von Normalise (Write) und rechts: Fenster von Deformations bei spm8.

Unter Verwendung von new segment ist die Verwendung der Normalisierung nicht möglich.Es kann jedoch über Batch->SPM->Util->Deformations das Fenster von Abbildung 34 (rechts)geö�net werden. Hier lässt sich das Deformationsfeld von new segment einbringen und auf dieEPI-Felder anwenden. Der Nachteil hierbei ist, dass die Voxelgröÿe nicht einstellbar ist. Siebeträgt 1,5× 1,5× 1,5 mm.

Vorgehen mit spm12Die Normalisierung mit Deformationsfeld ist bei spm12 ähnlich wie bei spm8 und läuft mitNormalise (Write), nur dass anstelle einer Parameterdatei das Deformationsfeld eingebundenwird.

Vergleich der unterschiedlichen NormalisierungenDie EPI-Bilder nach der Normalisierung (mit/ohne Segmentierung) wurden mit den Templatesverglichen. Dabei wurden insbesondere die Hirngrenzen betrachtet. Bei den 3 T-Daten wurdendie beste Resultate mit spm12 und der Standardnormalisierung (Anpassung an Template) er-zielt. Lediglich der Kopf war etwas höher als das Template. Für die gleiche Normalisierungmit spm8 war zwar die obere Grenze übereinstimmend, aber das Gehirn ansonsten etwas zuklein. Die Auswertung mit spm8 über Segmentierung lieferte keine guten Ergebnisse. Der Kopfverlief viel zu spitz und überreichte das Template bei weitem. Die Front war im Sagittalschnittabgeplattet. Das Gehirn war im Vergleich zum Template generell nach oben verschoben undüberragte das Template sowohl vorne als auch an den Seiten. Mögliche Ursachen hierfür könntesein, dass die anfängliche Übereinstimmung von EPI-Bild und Template nicht optimal war,was bei der Auswertung mit spm8 nötig ist. Bei gleicher Vorgehensweise erzielte spm12 bessereErgebnisse. Aber auch hier waren sie nicht optimal. Die Ursache hierfür ist vermutlich, da esdurch das höhere magnetische Feld zu starken Verzerrungen der EPI-Bilder kam und diese bei

31

der Normalisierung über Segmentierung nicht beglichen werden (vor allem ein spitz zulaufenderKopf mit abge�achter Stirn war au�ällig). Somit ist bei starken Verzerrungen die Standard-normalisierung mit Template die bessere Variante. Hier lieferte spm12 gegenüber spm8 diebesseren Ergebnisse.

Abbildung 35: Oben links: Template. Oben rechts: EPI-Bild mit Standardnormalisierung. Untenlinks: Normalisierung über old segment. Unten rechts: Normalsierung über new seg-ment. Die Auswertung erfolgte hier über spm8.

Bei der Auswertung der 1,5 T-Datensätze wurden bei spm12 mit der Standardnormalisie-rung ähnlich gute Ergebnisse erzielt wie bei den der 3 T-Daten. Bei der Normalisierung überSegmentierung war das Gehirn zu hoch und etwas nach oben verschoben, andernfalls warendie Grenzen im Rahmen. Das Gehirn verlief nicht so extrem spitz wie bei den anderen Daten.Auch die Normalisierung mit spm8 brachte gute Ergebnisse hervor, wie es in Abbildung 35erkennbar ist. Das Gehirn ist nach hinten hin nur etwas zu kurz. Bei der Normalisierung überSegmentierung (sowohl über old segment als auch new segment) war das Gehirn etwas zu hochund spitz verlaufend.Generell lässt sich sagen, dass die Normalisierung mit spm12 bessere Ergebnisse als spm8 lie-

ferte und auch die Standardnormalisierung mit direkter Anpassung an das Template besser warals die Normalisierung über Segmentierung. Au�allend bei der Auswertung über Segmentierungwar ein spitzer, zu hoch verlaufender Kopf. Bei den 3 T-Datensätzen wurden mit Segmentierungschlechtere Ergebnisse erzielt als bei den 1,5 T-Datensätzen. Dies liegt vermutlich vor allem anden stärkeren Verzerrungen.

32

Die Normalisierung über Segmentierung lieferte doch nicht so gute Ergebnisse wie gedacht(wegen besserer Normalisierung des T1-Bildes mit höherer Au�ösung). Für diesen Weg wäreeine vorherige Verzerrungskorrektur zu empfehlen. Interessant wäre auch die Auswertung mitDARTEL, die in dem Praktikum nicht untersucht wurde.

4.8 Smooth

Die Glättung verläuft bei spm8 und spm12 identisch. Die Eingabemöglichkeiten können Ab-bildung 36 entnommen werden.

Abbildung 36: Fenster von Smooth bei spm8.

Bei den 1,5 T-Daten wurde ein Smooth-Kernel mit einer Halbwertsbreite FWHM von 8 ×8× 8 mm verwendet, bei den 3 T-Daten hingegen einer von 6× 6× 6 mm. Grund hierfür ist dieunterschiedliche Au�ösung der EPI-Bilder. Geglättete Dateien bekommen den Prä�x w.

Abbildung 37: Von links nach rechts: EPI-Bild ohne nichtlinearer Transformation, mit Normalisierungüber Segmentierung und nach Glättung (1,5 T-Daten, ausgewertet mit spm8 ).

In Abbildung 37 können nochmals die Auswirkungen der Normalisierung und der Glättungnachvollzogen werden.

33

4.9 Specify 1st-level

In Abbildung 38 ist erkennbar, dass die Eingaben zur Modellspezi�kation von spm8 und spm12

ähnlich sind.

(a) spm8 (b) spm12

Abbildung 38: In Abbildung 38a ist das Fenster der Modellspezi�kation bei spm8 und in Abbil-dung 38b von spm12 dargestellt (am Beispiel der 1,5 T-Messung).

Als Einheit für das Design wurde Scans verwendet. Für das Interscan Interval ist die Re-pitionszeit TR zu verwenden. Bei der Auswertung wurde wie in der Anleitung empfohlen fürdie Microtime resolution MR die Anzahl der Schichten und für den Microtime onset MO dieReferenzschicht verwendet 6. Alternativ kann die Microtime Resolution über

MR =Anzahl Schichten

TATR (26)

berechnet werden. Bei Conditions wird eine Condition verwendet. Bei spm12 wäre auch eineModellspezi�kation ohne Condition möglich, was z.B. bei Resting-state-fMRT Anwendung �n-det. Als Name der Condition wurde die jeweilige Aktion eingetragen. Bei den Onsets wurdejeweils der Datensatz verwendet, bei dem als erstes die Condition zutri�t. Dabei ist zu be-rücksichtigen, dass bei spm der erste Datensatz als 0. Scan bezeichnet wird. Somit sinddie ersten 10 Datensätze hier die Scans 0�9 und der 11. Datensatz der Scan 10. Somit waren6MR gibt die Anzahl der Zeitschritte pro Scan an, MO ist der erste Zeitschritt, indem ein Resampling der

Regressoren statt�ndet.

34

die Onsets bei den 1,5 T-Aufnahmen 10 30 50 und bei den 3 T-Aufnahmen 7 21 35 (49, nurbei Finger tippen rechts). Alle anderen Einstellungen wurden standardgemäÿ verwendet. EineEinbringung der 1. Zeitableitung wurde getestet, lieferte als Ergebnis jedoch geringere T-Werteund wurde nicht weiter verwendet. Die Verwendung der Zeitableitung kann vor allem dann aus-probiert werden, wenn die Onsets vom Modell und den Messwerten nicht gut übereinstimmen(Kontrolle über �tted response).Durch das Modellspezi�kation wird die Designmatrix bestimmt. Wie in Abbildung 39 zu se-

hen ist, geben die Zeilen die jeweiligen Scans an. Die Spalten beinhalten die jeweiligen Regresso-ren. In diesem Fall den Verlauf der hämodynamischen Antwortfunktion und einer Konstanten.

Abbildung 39: Designmatrix (Auswertung der 1,5 T-Daten). Die Zeilen geben den jeweiligen Scan an.Die erste Spalte beinhaltet den Regressor mit der hämodynamischen Antwortfunktionund die zweite Spalte eine Konstante.

4.10 Results

Zur Berechnung des Modells wurde die klassische Methode verwendet (Erstellen der SPM.mat-Datei). Mit Benutzung von Results und Verwendung der erstellten SPM.mat-Datei wird an-schlieÿend der Kontrast ausgewählt. Das entsprechende Anzeigefenster kann Abbildung 40 ent-nommen werden. Grundsätzlich wurde als Kontrast ein t-Kontrast unter Verwendung der erstenSpalte der Designmatrix benutzt.Für die Auswertung wurden von den 1,5 T-Datensätzen die mit Normalsierung mit Hilfe von

new segment verwendet, für die von den 3 T-Datensätzen die mit der Standardnormalisierung(da Verzerrungen zu groÿ waren).Als nächstes muss ein Titel für den Vergleich, ein p-Wert mit oder ohne FWE-Korrektur und

ein Wert, ab welcher Gröÿe (in Voxel) ein aktiviertes Gebiet angezeigt werden soll, eingegebenwerden. Für die Auswertungen wurde generell p < 0,005(FWE) verwendet mit einer Mindest-vogelgröÿe k von 15. Für die Auswertung der 1,5 T-Daten mit spm8 wurde k = 30 gesetzt, dahier die Voxelgröÿe wegen der Normalisierung mit new segment 1,5× 1,5× 1,5 mm anstelle der2× 2× 2 mm beträgt und das Verhältnis von Voxelgröÿen ca. 0,42 ist.

35

Abbildung 40: Fenster zur Auswahl des Kontrastes (spm8 ).

Anschlieÿend folgt das Fenster von Abbildung 41, in dem unterschiedliche Möglichkeiten zurAuswertung eingestellt werden können. Für die Versuchsauswertung wurde vor allem die linkeSpalte mit p-values und die rechte Spalte mit Display verwendet. Durch die Wahl von whole

brain bei p-values zeigt es in dem Auswertefenster neben einem Referenzgehirn (vgl. Abbil-dung 43) mit eingezeichneten Aktivierungscluster und Modellmatrix, auch Werte der Clusterüber Gröÿe, maximaler T-Wert etc. vom kompletten Gehirn an.

(a) spm8 (b) spm12

Abbildung 41: Fenster zur Wahl der Auswertungsmöglichkeiten für spm8 in Abbildung 41a und fürspm12 in Abbildung 41b [16, 17].

36

Neu bei spm12 ist die Möglichkeit einer Surface-Darstellung. Für die Auswertung wurde vorallem die Funktion Render benutzt, bei der wie in Abbildung 42 die Aktivierungscluster aufein dreidimensionales Referenzhirn abgebildet werden und das Gehirn von allen 6 orthogonalenBlickwinkeln dargestellt wird. Möchte man die Aktivierungscluster auf dem individuellen Ge-hirn abgebildet haben, bietet sich Section an, bei dem die drei Hauptschnittebenen dargestelltwerden oder Slices, bei dem mehrere transversale Schnittebenen gezeigt werden.

Abbildung 42: Render -Darstellung der Aktivierungen bei den 3 T-Aufnahmen (spm12 ).

Für die Kontrolle, ob das Modell gut mit der Praxis übereinstimmt, ist die Verwendung Fittedresponses empfehlenswert. In Abbildung 43 erkennt man z.B. gut, dass die Onsets des Modellsmit den Messwerten übereinstimmen.

Abbildung 43: Links: Aktivierungscluster abgebildet auf dem Referenzhirn. Rechts: Fitted responsesdes Hauptmaximas. Auswertung der 3 T-Aufnahmen bei rechtsseitigem Finger tippenund mit spm12.

37

Neben der Darstellung der Aktivierungscluster ist auch deren Zuordnung zu den Brodmann-Arealen von Interesse. Eine Möglichkeit ist z.B. die Betrachtung des Cluster mit Hilfe vonMRIcro, indem das functional overlay über das Brodmann-Template geladen wird. Eine einfa-chere und bessere Lösung ist die SPM Anatomy Toolbox v1.8, die aber nur bei spm8 unter toolsverfügbar ist. Unter spm12 ist die Toolbox leider noch nicht verfügbar.

Abbildung 44: Fenster von Overlap between structure and function bei der SPM Anatomy Toolboxv1.8. Angezeigt ist das Hauptcluster der 3 T-Aufnahmen mit rechtsseitigem Fingertippen.

Für die Auswertung ist zunächst ein Template auszuwählen. Hierfür wurde die Template-Datei All_Areas_v18_MPM.mat verwendet. Anschlieÿend erscheint das Fenster von Abbil-dung 44. Hier kann über Add blobs die Map mit den T-Werten (Image: spmT_0001.img) geladetwerden. Nun ist noch anzugeben, ob das Bild Nullpunkt-korrigiert ist, ob die Signale verstärktwerden sollen und wie hoch die Schwelle für die T-Werte sein soll (hier wurde die ausgegebe-ne Schwelle mit p < 0,005(FWE) verwendet). Die extend threshold wurde auf 0 gesetzt. AlsEinstellung für die colormap wurde red->white gewählt.

38

Nun erhält man die Aktivierungsscluster auf dem Referenzhirn abgebildet. Klickt man einCluster an, zeigt es automatisch die Statistikverteilung des Clusters an und wie viel Prozent desClusters zu welchem Brodmann-Areal gehören. Zusätzlich können noch die lokalen Maximasausgewählt werden und neben der Lokalisation im Gehirn gibt es auch hier zusätzliche Angabenmit welcher Wahrscheinlichkeit das Maximum sich in welchem Areal be�ndet.Generell ist darauf zu achten, dass bei der transversalen und coronaren Schnittebene die linke

Seite des Bildes auch der linken Seite des Gehirns entspricht.

4.11 Ergebnisse der 1,5 T-Aufnahmen

Bei den 1,5 T-Daten wurde mit spm8 und spm12 ähnliche Ergebnisse erzielt. Die Unterschiedelassen sich vor allem in der unterschiedlichen Voxelgröÿe (T-Werte unterscheiden sich um ca.1 %) und die Unterschiede in der Normalisierung erklären. Die Unterschiede der Clusterloka-lisation können Abbildung 45 entnommen werden. Die T-Werte erreichten Maximalwerte vonknapp über 10.

Abbildung 45: Render -Darstellung der Ergebnisse der 1,5 T-Daten. Rot sind die Ergebnisse von spm8und grün die von spm12.

Die genauen Ergebnisse von spm8 und spm12 sind Tabelle 2 und Tabelle 3 zu entnehmen. AlsLokalisation wurde jeweils die Lage des Hauptmaximas angegeben. Die Verteilung des Clustersauf die Areale resultiert vor allem auf der Normalisierung. Die durch das fMRT gemesseneAktivitäten sind so, wie sie physiologisch zu erwarten sind.

39

Tmax Lokalisation10,48 linker postzentr. Gyrus Areal 1 (78,3 %) Areal 3b (20,4 %) Areal 6 (0,3 %)9,22 rechter sup. fron. Gyrus Areal 6 (57,9 %) Areal 1 (12,9 %) Areal 4a (1,2 %)8,28 linker SMA Areal 6 l. (72,5 %) Areal 6 r. (2,1 %)8,89 Kleinhirn (links) Lobul V (24,7 %) Lobul VI (14,8 %) Lobul I-IV (3,3 %)7,81 Kleinhirn (rechts) Areal 6 (100 %)

Tabelle 2: Ergebnisse der 1,5 T-Aufnahmen mit spm8. Ausgewertet mit der SPM Anatomy Toolbox.

Tmax Lokalisation10,54 linker postzentr. Gyrus Areal 1 (57,9 %) Areal 3b (37,1 %) Areal 6 (1,4 %)9,14 rechter präzentr. Gyrus Areal 6 (59,1 %) Areal 1 (10,7 %) Areal 4a (1,7 %)8,23 linker SMA Areal 6 l. (83,5 %) Areal 6 r. (2,3 %)8,62 Kleinhirn (links) Lobul V (30,3 %) Lobul VI (16,6 %) Lobul I-IV (2,9 %)8,00 Kleinhirn (rechts) Areal 6 (100 %)

Tabelle 3: Ergebnisse der 1,5 T-Aufnahmen mit spm12. Ausgewertet mit der SPM Anatomy Toolbox.

4.12 Ergebnisse der 3 T-Aufnahmen

Bei den 3 T-Aufnahmen gab es zwischen den Auswertungen mit spm8 und spm12 vergleichbareUnterschiede. Diese äuÿern sich wieder auf unterschiedliche Lokalisation der Maxima durchBenutzung unterschiedlicher Templates bei der Normalisierung.

Abbildung 46: Render -Darstellung der Ergebnisse der 3 T-Daten. Links sind die Ergebnisse vom Fin-ger tippen linksseitig und rechts die Ergebnisse vom Fingertippen rechtsseitig. Rotsind die Ergebnisse von spm8 und grün die von spm12.

40

Die Unterschiede in der Clusterlage lassen sich vor allem dadurch erklären, dass das mit spm8normalisierte Gehirn zu klein aus�el. Deshalb sind auch die Cluster mittig verschoben. Eine wei-tere Au�älligkeit ist die starke Aktivierung des sekundären und tertiären visuellen Kortex beimFingertippen linksseitig. Eine Erklärung hierfür liefert möglicherweise die Bewegungskorrekturin Abbildung 47.

Abbildung 47: Rotationswinkelkorrektur von Realign der 3 T-Daten beim Finger tippen linksseitig(spm12 ).

Hierbei ist erkennbar, dass die Bewegungskorrektur des pitch-Winkels mit dem Finger tippenkorreliert. Durch die Bewegung ändert sich durch die Variation der Magnetfeldinhomogenitätauch die Signalstärke und kann somit auch zu einer Aktivierung führen. Dies macht sich vorallem in Gebieten mit Suszeptibilitätssprung bemerkbar. In diesem Fall am Hinterkopf in denvisuellen Kortices. Eine Korrektur wäre möglich, wenn die Bewegungsparameter abgeschätztwerden würden und als zusätzliche Information in die Modellspezi�kation eingetragen werdenwürden.Im Vergleich zu den 1,5 T-Aufnahmen konnten hier stärkere und gröÿere Aktivierungen fest-

gestellt werden. Eine mögliche Ursache ist hierfür die Verwendung des höheren Magnetfelds,wodurch der BOLD-E�ekt besser gemessen werden kann, und die Verwendung einer 32-Kanal-Kopfspule, die gegenüber einer 20-Kanal-Kopfspule vor allem ober�ächlich ein besseres Signal-zu-Rausch-Verhältnis hat.

41

5 Zusammenfassung

Es wurde die neue Version spm12 gegenüber spm8 getestet und verglichen. Dafür wurden zumeinen gestellte Daten verwendet, die an einem 1,5 T-MRT aufgenommen wurden, zum anderenwurden an einem 3 T-MRT im Verlauf des Praktikums ein fMRT-Datensatz aufgenommen.Während der aktiven Phasen wurde jeweils Finger tippen ausgeführt.Grundsätzlich arbeiten die unterschiedlichen Versionen mit verschiedenen Dateitypen. spm8

verwendet noch das Analyse-Format und spm12 greift auf das verbesserte NIfTI-Format zurück.Die meisten Vorverarbeitungsschritte waren bei spm8 und spm12 identisch. Groÿe Unter-

schiede gab es bei der Segmentierung. Die jeweilige Standardsegmentierung ist jedoch auch beider anderen Version über das Batch-Fenster verfügbar. Bei spm12 wurde lediglich der Algo-rithmus erweitert.Die Normalisierung ist bei den Versionen auch unterschiedlich. Vor allem werden bei der

Standardnormalisierung unterschiedliche Templates verwendet, was in leicht unterschiedlichenErgebnissen resultiert. Bei der Normalisierung mit Segmentierung ist vor allem eine unterschied-liche Vorgehensweise nötig, da die Standardsegmentierung von spm8 eine Parameterdatei unddie von spm12 ein Deformationsfeld erstellt, das zur Normalisierung verwendet wird.Auch die Modellspezi�kation ist bei beiden Versionen vergleichbar. Nennenswert ist, dass

bei spm12 keine Conditions mehr nötig sind, was vor allem für Resting-state-fMRT gebrauchtwird. Bei der Ergebnisdarstellung wurde die Möglichkeit einer Surface-Darstellung festgestellt.Nachteil der neueren Version ist, dass viele Tools für diese noch nicht verfügbar sind, wie z.B.

die SPM Anatomy Toolbox, die nütlich für die Zuordnung von Aktivitäten zu Brodmann-Arealenist.

6 Ausblick

Einiges konnte aus zeitlichen Gründen im Praktikum nicht getestet werden. Interessant wärevor allem die Erstellung von B0-�eld-maps, um bei den EPI-Bildern eine Verzerrungskorrekturdurchführen zu können. Die Verzerrungen durch Magnetfeldinhomogentitäten waren vor allembei den 3 T-Aufnahmen ein Problem und eine Korrektur wäre hier empfehlenswert.Auch die Normalisierung der EPI-Bilder war desöfteren nicht zufriedenstellend. Das Tool

DARTEL liefert nach Angaben der Anleitung bessere Ergebnisse. Ein Vergleich der Norma-lisierung mit DARTEL und den anderen Normalisierungsmöglichkeiten könnte durchgeführtwerden, um beurteilen zu können, ob auf diese Weise eine verbesserte Normalisierung möglichwäre.Durch den Verzicht von Conditions unter spm12 könnte auch eine Resting-state-fMRT ge-

testet werden.

42

7 Literatur

[1] G. Hempel. Vorlesung NMR. 2013-2014.

[2] P. Schmieder. Vorlesung Mehrdimensionale NMR-Spektroskopie. 2007-2008.

[3] M. F. Reiser, W. Semmler und H. Hricak.Magnetic Resonance Tomography. Berlin: GeorgThieme Verlag KG, 2008.

[4] A. Hendrix. Magnete, Spins und Resonanzen. Siemens AG, 2003.

[5] F. Schneider und G. Fink. Funktionelle MRT in Psychiatrie und Neurologie. SpringerMedizin, 2013.

[6] R. A. de Graaf. in vivo NMR Spectroscopy: Principles and Techniques. 2nd. Conneticut:John Wiley und Sons Ltd, 2007.

[7] S. Ogawa u. a. �Brain magnetic resonance imaging with contrast dependent on bloodoxygenation�. In: Proc. Natl. Acad. Sci. USA 87 (1990), S. 9868�9872.

[8] K. Thulborn u. a. �Oxygenation Dependence of the transverse relaxation time of waterprotons in whole blood at high �eld�. In: Biochimica et Biophsica Acta 714 (1982), S. 265�270.

[9] C. Stippich und K. Sartor. Clinical Functional MRI: Presurgical Functional Neuroima-

ging. Springer, 2007.

[10] N. Lazar. The Statistical Analysis of Functional MRI Data. Springer, 2008.

[11] F. Schmidt und H. G. Schaible. Neuro- und Sinnesphysiologie. 5th. Heidelberg: SpringerMedizin Verlag, 2006.

[12] J. Wendt. Vorverarbeitung von fMRT-Datensätzen. 2012.

[13] C. Gaser. 16. Kurs zur funktionellen Bildgebung, Hamburg. 2013.

[14] M. Knörgen. Vorlesung MRT. 2014.

[15] V. T. Reinhold. �Einbindung neuer Verfahren in Technik und Auswertung zur Darstellungauditorischer Areale in der fMRT�. Halle (Saale): Klinik und Poliklinik für DiagnostischeRadiologie, 19. Okt. 2011.

[16] The FIL Methods Group. SPM8 Manual. Wellcome Trust Centre for Neuroimaging, UCLUK, 2011.

[17] The FIL Methods Group. SPM12 Manual. Wellcome Trust Centre for Neuroimaging,UCL UK, 2014.

[18] F. G. Ashby. Statistical Analysis of fMRI Data. Massachusetts, 2011.

[19] J. Graessner. �Slice Order (Slice Timing) for fMRI Evaluation�. In: MAGNETOM Flash

5 (2014).

43